Портал психологических изданий PsyJournals.ru
Каталог изданий 119Рубрики 53Авторы 9370Новости 1849Ключевые слова 5095 Правила публикацииВебинарыRSS RSS

РИНЦ

0,727 — двухлетний импакт-фактор

Моделирование и анализ данных

Издатель: Московский государственный психолого-педагогический университет

ISSN (печатная версия): 2219-3758

ISSN (online): 2311-9454

DOI: https://doi.org/10.17759/mda

Лицензия: CC BY-NC 4.0

Издается с 2011 года

Периодичность: 4 номера в год

Язык журнала: русский

Доступ к электронным архивам: открытый

 

Тестирование алгоритма тернарной классификации окуломоторных событий (фиксации, саккады, smooth pursuit) I-BDT (Bayesian Decision Theory) 21

|

Жердев И.Ю.
аффилированный сотрудник, Московский государственный психолого-педагогический университет (ФГБОУ ВО МГППУ), Москва, Россия
ORCID: https://orcid.org/0000-0001-6810-9297
e-mail: ivan866@mail.ru

Аннотация

Рассмотрен байесовский классификатор движений глаз I-BDT, выделяющий 3 типа событий: фиксации, саккады, плавные следящие движения. Приведены показатели классификации по сравнению с известным алгоритмом детекции I-DT. Согласование по ряду фиксаций – 79 %, саккад – 56 %. Сравнение произведено на наборе данных общей длительностью 10,9 ч. Приведен пример каскадного фильтра, накладывающего пороговые ограничения на свойства полученных событий. Показаны особенности следящих движений глаз при классификации.

Ссылка для цитирования

Фрагмент статьи

В современных условиях достаточно остро стоит проблема различий в результатах выдаваемых наборов окуломоторных событий между различными алгоритмами классификации сигнала (иногда их называют алгоритмами детекции). Поскольку случаются различия и в версиях одного и того же алгоритма из-за неточностей в трактовке тех или иных вычислений на этапах, варианты реализации могут по-разному классифицировать или численно оценивать разные виды параметров / характеристик алгоритма.

Литература
  1. Santini T., Fuhl W., Kübler T., et l. Bayesian identification of fixations, saccades, and smooth pursuits // ACM ETRA. Charleston, 2016. P. 163–170. DOI:10.1145/2857491.2857512
  2. Nyström M., Andersson R., Holmqvist K., et al. The influence of calibration method and eye physiology on eyetracking data quality // Behav. Res. Met. 2013. Vol. 45. № 1. P. 272–288. DOI:10.3758/s13428–012–0247–4
  3. Hooge I., Holmqvist K., Nyström M. The pupil is faster than the corneal reflection (CR): Are video based pupil-CR eye trackers suitable for studying detailed dynamics of eye movements? // Vis. Res. 2016. Vol. 128. P. 6–18. DOI:10.1016/j.visres.2016.09.002.
  4. Larsson L., Nyström M., Ardö H., et al. Smooth pursuit detection in binocular eye-tracking data with automatic video-based performance evaluation // J. Vis. 2016. Vol. 16. № 15. P. 20. DOI:10.1167/16.15.20
  5. Startsev M., Agtzidis I., Dorr M. 1D CNN with BLSTM for automated classification of fixations, saccades, and smooth pursuits // Behav. Res. Met. 2019. Vol. 51. P. 556–572. DOI:10.3758/s13428–018–1144–2
  6. Zemblys R., Niehorster D.C., Komogortsev O., et al. Using machine learning to detect events in eye-tracking data // Behav. Res. Met. 2018. Vol. 50. P. 160–181. DOI:10.3758/s13428–017–0860–3
  7. Komogortsev O.V., Karpov A. Automated classification and scoring of smooth pursuit eye movements in the presence of fixations and saccades // Behav. Res. Met. 2013. Vol. 45. P. 203–215. DOI:10.3758/s13428–012–0234–9
  8. Komogortsev O. V, Gobert D. V, Jayarathna S., et al. Standartization of automated analyses of oculomotor fixation and saccadic behaviors // IEEE Trans. Biomed. Eng. 2010. Vol. 57. № 11. P. 2635–2645. DOI:10.1109/tbme.2010.2057429
  9. Kashyap H.J., Detorakis G., Dutt N., et al. A recurrent neural network based model of predictive smooth pursuit eye movement in primates // IEEE IJCNN. Rio de Janeiro, 2018. P. 5353–5360. DOI:10.1109/IJCNN.2018.8489652
  10. Xivry J.J.O. de, Coppe S., Blohm G., et al. Kalman Filtering Naturally Accounts for Visually Guided and Predictive Smooth Pursuit Dynamics // J. Neurosci. 2013. Vol. 33. № 44. P. 17301–17313. DOI:10.1523/JNEUROSCI.2321–13.2013
 
О проекте PsyJournals.ru

© 2007–2021 Портал психологических изданий PsyJournals.ru  Все права защищены

Свидетельство регистрации СМИ Эл № ФС77-66447 от 14 июля 2016 г.

Издатель: ФГБОУ ВО МГППУ

Creative Commons License Репозиторий открытого доступа     Рейтинг репозиториев Webometrics

Яндекс.Метрика